Python多模融合—投票法

import numpy as np
import pandas as pd
from tqdm import tqdm

# 预测结果csv文件路径
df3 = pd.read_csv('./voters/submit621.csv')
df8 = pd.read_csv('./voters/submit622.csv')
df9 = pd.read_csv('./voters/submit623.csv')
df10 = pd.read_csv('./voters/submit624.csv')
df11 = pd.read_csv('./voters/submit627.csv')
df12 = pd.read_csv('./voters/submit628.csv')
df13 = pd.read_csv('./voters/submit630.csv')
df14 = pd.read_csv('./voters/submit701.csv')
df15 = pd.read_csv('./voters/submit703.csv')
df16 = pd.read_csv('./voters/submit704.csv')
df17 = pd.read_csv('./voters/submit706.csv')

dfs = [df3, df8, df9, df10, df11, df12, df13, df14, df15, df16, df17]
scores = [0.9279, 0.9274, 0.9284, 0.9292, 0.9315, 0.9289, 0.9342, 0.9331, 0.9363, 0.9368, 0.9372]  # 对应的test scorce
results = np.ones(40000, dtype=int) * -1  # test:40000张样本

for i in tqdm(range(40000)):
    dic = {}
    for j in range(len(dfs)):
        p = dfs[j].iloc[i]['file_code']  # 更换key名
        if p == -1: continue
        if p not in dic.keys():
            dic[p] = scores[j]
        else:
            dic[p] += scores[j]

    if not dic: continue
    results[i] = sorted(dic, key=lambda x: dic[x])[-1]

df = pd.read_csv('./submit_A.csv')  # 更换csv路径
df['file_code'] = results
df.to_csv('submit.csv', sep=',', index=False)

  • 1
    点赞
  • 4
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
Python模型融合是一种将多个模型组合在一起以提高整体表现的技术。在机器学习比赛中,特别是团队参与的比赛中,模型融合是一个重要的手段,可以在模型相差较大但表现良好的情况下显著提升结果。 在Python中,有几种常见的模型融合。其中一种是投票Voting),它通过集成多个模型的预测结果,并根据多数投票的原则来确定最终的预测结果。在使用Python进行投票模型融合时,可以使用`sklearn.ensemble.VotingClassifier`类来实现。 另一种常见的模型融合是堆叠(Stacking),它通过训练一个元模型来融合多个基模型的预测结果。在Python中,可以使用`mlxtend.classifier.StackingClassifier`类来实现堆叠模型融合。 除了投票和堆叠,还有其他的模型融合,如加权平均、Bagging等。这些方都可以在Python中通过相应的库和函数来实现。选择何种方取决于具体的问题和数据集的特点。 总结起来,Python模型融合是一种将多个模型组合在一起以提高整体表现的技术。投票和堆叠是常见的模型融合,在Python中可以使用相应的库和函数来实现。具体选择哪种方需要根据问题和数据集的特点来决定。<span class="em">1</span><span class="em">2</span><span class="em">3</span> #### 引用[.reference_title] - *1* [模型融合](https://blog.csdn.net/Lemon_pudding/article/details/108813638)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 50%"] - *2* *3* [Python数据科学竞赛模型融合](https://blog.csdn.net/qq_43240913/article/details/110822100)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 50%"] [ .reference_list ]
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值